[發明專利]基于EAGLE矩陣的地表覆蓋產品整合或融合方法

在審

• 申請號: 201910306687.4
• 申請日: 2019-04-17
• 公開（公告）號: CN110033044A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 朱凌;石若明;剌怡璇;張小紅;衛玄燁
• 申請（專利權）人: 北京建筑大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N7/02
• 代理公司: 北京萬科園知識產權代理有限責任公司 11230
• 代理人: 杜澄心;張亞軍

1.基于EAGLE矩陣的地表覆蓋產品整合或融合方法，其特征在于，通過已經存在的地表覆蓋產品，采用EAGLE矩陣對各地表覆蓋產品圖例進行語義翻譯，并利用條形碼法進行賦值，根據不同的EAGLE矩陣元素計算出各種地表覆蓋源產品與目標產品圖例的重疊矩陣；地表覆蓋源數據產品各類型屬于目標圖例各類型的條件概率；源數據產品各個類型各自的精度；采用模糊集的理論實現地表覆蓋產品整合；具體步驟如下：

選擇源數據，至少選擇兩種及以上源數據；

1)根據整合的需求，定義目標圖例的分類體系和各類型的屬性定義；

2)EAGLE矩陣進行圖例翻譯，

第一步，辨別類定義中表明地表覆蓋成分、土地利用及進一步特征的術語和表達；

第二步，辨別LCCs、LUA、CH模塊中與第一步中類定義提取信息相對應的矩陣元素；

第三步，對地表覆蓋產品中的每個類，在矩陣中建立一個行，輸入類的代碼；

第四步，沿線對整個給定的類用編碼值填充矩陣單元，完成子線中特殊LCC、LUA、CH賦值；

編碼值的含義如下：

n/a——矩陣元素邏輯不發生，可以排除此元素；

X——矩陣元素在類定義中被明顯排除；

0——矩陣元素在類定義時未提及，盡管在某些情況下是邏輯發生的；或者：矩陣元素因不重要而不是可能會存在，在類定義時未提及；

1——矩陣元素在類定義中作為例子被提到(在一個非詳盡的列表中)，在類定義中扮演次要角色。對于這個條碼值，必須考慮類的規模和應用的最小測圖單元。

2——該元素在類定義中被明確地定義。它是一種選擇性強制性元素，與其他具有相同編碼值的元素是或的關系。

3——這個矩陣元素在類定義中被明確地定義，是一種強制性元素。它是一種累積元素，與其他具有編碼值(2,3,4)的定義元素是和的關系。

4——這個矩陣元素在類定義中被明確地定義。他們屬于一組定義該類的強制性元素，不能作為獨立的元素出現。至少有兩個或多個(但不一定全部)賦值4的編碼元素必須存在于分配給這個類的土地單位中。

3)計算源數據之間的重疊性；

采用相關系數與區間重疊比例相結合的方法來進行重疊性計算；地表覆蓋產品中某一類型的連續屬性用連續的區間形式，采用區間重疊比例法計算源數據之間的重疊性，計算公式為(1)；

其中，c_i＝(r_i1,r_i2,...,r_in)和c_j＝(r_j1,r_j2,...,r_jn)為兩個地表覆蓋類i類，j類所具有的n個EAGLE矩陣元素編碼值；

r_i1,r_i2,...,r_in為c_i類型的各編碼值，r_j1,r_j2,...,r_jn為c_j類型各編碼值；O(c_i,c_j)表示類型c_i和c_j間的重疊性；l_i＝[l_il,l_iu]，l_j＝[l_jl,l_ju]表示編碼值是連續的區間值，l_i∩l_j表示其區間長度的重疊值；Max()表示取區間最大值，Min()表示取區間最小值；

地表覆蓋產品中某一類型的離散屬性表示的是類型歸屬，取值為編碼值，采用相關系數法,計算公式為公式(2)；

其中

Cov(C_i,C_j)＝E[(C_i-E[C_i])(C_j-E[C_j])] (3)

最終的重疊性按公式(6)進行計算：

其中，π_k表示這EAGLE矩陣元素在計算重疊矩陣時的權重，如設定LCC、LUA、CH三個模塊中的矩陣元素的權重為1/3；K表示LCC、LUA、CH三個模塊，分別用值1、2、3表示；當計算連續屬性的重疊性時，要先對連續屬性的重疊性相加再平均，使其歸一化，然后再按照LCC、LUA、CH三個模塊權重進行計算；離散屬性的矩陣元素按照相關系數，設定權重，如1/3進行計算；最后，再按照公式(6)進行計算；

4)計算源數據與目標圖例的重疊性

在某個地表覆蓋數據中i類與目標圖例y類之間的相似分數，通過平均i類和在其他地表覆蓋數據中與y有直接相應關系的類之間重疊矩陣的值來估計；

5)條件概率

利用源數據和目標數據間的混淆矩陣的accuracy參數來計算源數據各類型屬于目標圖例類型的條件概率，先選擇適量的樣本點，采用目視解譯或利用已有的地面采集的驗證點來對樣本點進行驗證，判斷源數據各類型屬于目標圖例類型中的哪個類型，從而獲得混淆矩陣的精度accuracy值；

6)源數據產品精度

源數據產品各類型的精度同樣采用混淆矩陣利用驗證點進行精度評價；采用目視解譯或利用已有的地面采集的驗證點來對樣本點進行驗證，判斷源數據各類型的正確與否，從而獲得混淆矩陣的精度accuracy值；

7)判別函數

判別函數由三部分組成，即重疊矩陣、條件概率、源數據產品精度；假設x是某個像元，它同時存在于n個地表覆蓋產品中，設其具有n個值c₁,c₂...,c_n,其中c₁代表第一個地表覆蓋產品，依次類推到第n個地表覆蓋產品；

g_y(x)是源數據像元x屬于y類的概率,y為目標圖例的某種類型，y∈Ω(1,2,3...m),m為目標圖例的類型總數；

O^k(c_k(x),y)是源數據某種類型與目標圖例中y類的重疊性，用公式(6)計算；

P^k(y|c_k(x))是源數據類型c_k與目標圖例類型y之間的條件概率；

U(c_k(x))是源數據某類型的精度；

則像元x的可能類型為：

G(x)＝argmax_y∈Ωg_y(x) (8)

公式(7)中三者的乘積再求和，該值代表了像元在某個地表覆蓋產品中代表的類和目標圖例中類y的歸屬程度；公式(8)表示取g_y(x)的最大值時x屬于的y類為最終的類；逐個像元進行計算和判斷，直至結束。